来源:DeepHub IMBA 本文约2300字,建议阅读8分钟
本文介绍了机器学习的种类。
机器学习
有监督学习
无监督学习
强化学习
有监督学习
Regression:回归,输出是连续值
Classification:分类,输出是离散值
二元分类 Binary Classification
逻辑回归
KNN
决策树/随机森林/提升树
支持向量机 SVM
朴素贝叶斯
多层感知机
多分类 Multi-class Classification
KNN
决策树/随机森林/提升树
朴素贝叶斯
多层感知机
多标签分类 Multi-Label Classification
无监督学习
K-Means(K均值)
DBSCAN
使用高斯混合模型(GMM)
Apriori算法
PCY算法
FP-Tree算法
XFP-Tree算法
GPApriori算法
强化学习
环境Environment ——代理运行的物理世界 代理Agent ——也叫智能体,就是我们所写的算法 行动Action——代理产生的动作 状态State——代理的状态 奖励Reward——来自环境的反馈,好的还是坏的 策略Policy ——将代理的状态映射到动作的方法,通过状态选择做什么行动 价值Value ——代理在特定状态下采取行动将获得的未来奖励
deephub译者注
传统的机器学习:各种回归
核方法:SVM等
贝叶斯模型:概率相关
树型模型:决策树、随机森林、各种boosting
神经网络:多层感知机、各种NN